VMD-IMF Enhanced Hyper Graph Attention Module Based Reinforcement Learning for Portfolio Optimization

doi:10.1007/978-981-96-8889-0_3

VMD-IMF Enhanced Hyper Graph Attention Module Based Reinforcement Learning for Portfolio Optimization

2026-01-01

0

PRE

AI

V

V.S.R.Pavan Kumar. Neeli *

K

K. E. Srinivasa Desikan

DOI：10.1007/978-981-96-8889-0_3

原文链接

原文求助

摘要

En 中文

股票投资组合优化是金融决策中的重要领域。它专注于优化风险与收益之间的平衡。我们的方法完全基于股票数据，基于市场动态和价格变动捕捉所有相关可用信息的假设。我们利用金融时间序列的非平稳性和异质性，通过将特征分解为多个固有模态（IMFs），提供更丰富的时序信息表示，并整合超图（hyper-graphs）和注意力机制，以表示投资组合中股票之间的复杂关系。本文提出了一种新颖的混合模型，该模型将变分模态分解（VMD）得到的固有模态函数（IMFs）与长短期记忆（LSTM）网络相结合，用于时序数据建模，并引入超图注意力模块（HGAM）来表示股票间的组级依赖关系。我们的决策层采用简单的强化学习（RL）方法。模型使用IMFs替换选定特征的数据集进行训练和评估。实验结果表明，投资组合性能得到提升，通过累积投资组合价值（APV）、夏普比率（SR）和最大回撤（MDD）进行评估，特别是在IMFs包含在数据集中替换原始选定特征时效果更为显著。

Keyword:

Portfolio Optimization

Reinforcement Learning

Intrinsic Mode Functionsc

Variational Mode Decomposition

Accumulated Portfolio Value

Hypergraph Attention

VMD-IMF Enhanced Hyper Graph Attention Module Based Reinforcement Learning for Portfolio Optimization

摘要

期刊

机构